¿Con qué fiabilidad mide mi escala? (alfa de Cronbach, omega de McDonald)

En resumen

Se quiere combinar al menos dos preguntas en una escala y comprobar si se responden de forma consistente (consistencia interna). Las preguntas deben ser números con el mismo sentido; las preguntas formuladas en sentido inverso se invierten (Statable señala las correlaciones ítem-total negativas y crea la columna nueva). Regla general: al menos 5 personas por pregunta, idealmente 10.

Cómo leer el alfa

El α de Cronbach suele estar entre 0 y 1; desde ,70 se considera aceptable y desde ,80 bueno, con un intervalo del 95 %. «Alfa si se elimina el ítem» muestra si una pregunta individual empeora la escala; la correlación ítem-total debería ser positiva y, a ser posible, superior a ,30. Alfa mide la consistencia interna. No muestra si las preguntas miden un mismo rasgo (unidimensionalidad) - eso lo comprueba un análisis factorial - ni si la escala mide lo que se pretende (validez).

Omega de McDonald

Junto a alfa aparece una línea «Omega de McDonald» (a partir de tres preguntas). Omega usa la fuerza estimada con la que cada pregunta contribuye a la escala; alfa supone contribuciones iguales. Valen las mismas reglas generales. Si omega es claramente mayor que alfa, las preguntas contribuyen de forma desigual. Para ello, Statable carga R una sola vez la primera vez (unos 30 MB); después tarda aproximadamente un segundo y ocurre solo. Omega supone un único constructo común; si las preguntas miden varios, ayuda el análisis factorial.

α de Cronbach = ,82, IC del 95 % [,76; ,87] (4 ítems, n = 118); ω de McDonald = ,84, IC del 95 % [,79; ,88]

Para especialistas

ω total de un modelo de un factor (lavaan, ML): ω = (Σλ)² / ((Σλ)² + Σθ), como en JASP. jamovi usa psych::omega con un factor y no muestra intervalo. El intervalo es, por defecto, el del método delta; opcionalmente, un bootstrap por percentiles (1000 remuestreos, semilla fija, como en JASP), que tarda mucho más en el navegador. Valores perdidos: se excluye a las personas, o FIML. ωh (jerárquico) procede de psych::omega con 2 a 4 factores de grupo y está disponible a partir de seis preguntas. Se informa de una varianza residual negativa o de una carga superior a 1 (caso de Heywood). Comprobado con R: HolzingerSwineford1939 y psych::bfi.

Más tarjetas bajo el resultado

• Modelo de Rasch (tareas correcto/incorrecto): dificultad de cada tarea, ajuste (infit y outfit entre 0,7 y 1,3), mapa de Wright.
• Modelo 2PL: además una discriminación por tarea y las curvas características; útil a partir de unas 500 personas.
• Modelo de respuesta graduada (respuestas de 1 a 5): discriminación y umbrales por pregunta, curvas de respuesta.
• Tareas justas (DIF): ¿tienen grupos de igual capacidad distintas oportunidades en una tarea? Las tareas llamativas solo son un motivo para mirar el contenido.
• Mapa de las preguntas: las preguntas con fuerte relación quedan cerca; muestra grupos de preguntas ya antes de un análisis factorial.

Ejemplos típicos

• Ocho preguntas sobre ansiedad ante los exámenes, una formulada en sentido inverso («Me enfrento a los exámenes con confianza»): primero se invierte y luego se calcula el alfa de Cronbach.
• Un cuestionario con 20 preguntas sobre motivación: alfa de cada subescala.